随着人工智能技术不断发展,当今社会,语音不仅仅是人类之间通信交流的手段,也成为人机交互的重要桥梁。近年来,语音识别技术发展飞速,开始逐渐应用到各个领域。深度学习的加入,使得语音识别的准确率有了质的飞跃,但是伴随而来的是网络模型越来越大,难以在嵌入式设备上移植和使用。而且语音数据存在一定的隐私性,存在收集困难的问题。并且在实际的语音场景中,总是存在各种噪音,包括但不限于环境噪声、设备噪声、发动机噪声等,这些噪声都会影响语音识别的效果。如何在保证语音识别准确率的情况下,最大限度地将模型压缩至适合嵌入式系统运行,成为众多学者研究的问题。本文希望通过研究端到端语音识别方法,设计出一个基于深度学习的轻量级中文语音识别模型,然后将模型移植到嵌入式设备上进行测试。本文的具体工作如下:1.针对语音开源数据集不多并且现实场景中语音环境存在噪声的问题,本文将中文语音开源数据集进行收集与整理,形成Large-Dataset,同时将深度学习方法融入传统信号处理方法设计了一个噪声抑制算法,在噪声数据集上进行测试,可以将字错误率降低1.48%。2.针对语音识别模型普遍比较庞大的问题,本文对端到端语音识别方案进行了研究,以1×1卷积核作为骨干网络的核心,通过门控线性卷积（Gated Convolutional Networks,GCN）解决长距离依赖的问题,设计了一个全卷积的轻量级神经网络,并且使用联结时序分类（Connectionist Temporal Classification,CTC）来解决输入与输出不等长的问题,实现自动对齐。3.针对汉字样本分布极不均衡的问题,本文将Focal Loss的思想与CTC Loss相结合,使其对不同分布的汉字样本具有不同的关注度,减轻样本不均衡对语音识别准确率的影响,获得了0.85%字错误率的降低。4.针对嵌入式环境内存小、计算力不足的问题,本文使用8Bit权重量化技术对模型进行压缩,将模型压缩至接近原来的四分之一;同时设计了移位量化加速方案,设计出合适的码本对8Bit量化后的模型权重进行优化,将大量的卷积乘法运算转换成移位后相加的模式,在损失0.6%字错误率的前提下将模型的推理速度在嵌入式系统上提升了40%。